Den Digitala Logiska Nivån och Datarepresentation

En presentation över ämnet: "Den Digitala Logiska Nivån och Datarepresentation"— Presentationens avskrift:

1 Den Digitala Logiska Nivån och Datarepresentation
Inledning Den digitala logiska nivån Datarepresentation Sammanfattning Övrigt

2 Inledning STÄLL FRÅGOR! Mobiltelefon AV Vem är föreläsaren?
Varför hålls denna föreläsning?

3 Vem är föreläsaren? Johan Kummeneje Doktorand
Forskar sociala agenter och rationellt beslutsfattande.

4 Varför hålls denna föreläsning?
Mina mål med den här föreläsningen är att: Ni skall känna till de grundläggande begreppen (instruktion, etc) Ni skall veta vad en (digital logisk) grind är, och förstå kopplingen till boolesk algebra Ni skall ha ett hum om alternativa approacher Ni skall känna till hur man representerar olika former av information

5 Den Digitala Logiska Nivån och Datarepresentation
Inledning Datarepresentation Den digitala logiska nivån Sammanfattning Övrigt

6 Datarepresentation Inledning Primitiva datatyper Maskininstruktioner
MIME Ljudformat Bildformat Filmformat Komprimeringsformat Sammanfattning

7 Inledning Hittills binärt, vilket inte räcker till för att representera text, bilder etc Därför använder vi mer komplexa datatyper och lagringsformat Data är ofta redundant, därför kan man ofta komprimera Använder det binära talsystemet vid representation av siffror och tecken.

8 Primitiva Datatyper Heltal Flyttal Boolean Tecken
ASCII (American Standare Code for Information Interchange) EBCDIC (Extended Binary Coded Decimal Interchange Code) UNICODE

9 Primitiva Datatyper - Heltal 1
Heltal kan represeneras av olika storlek direkt av hårdvaran, t ex på PC-datorer 32-bitars tal (232) Finns i t ex Java byte (8 bitar), short (16 bitar), int (32 bitar) och long (64 bitar)

10 Primitiva Datatyper - Heltal 2
Heltal kan representeras unsigned eller signed EX: (2 bitar för att göra det enkelt) Binärsekvens Signed Unsigned

11 Primitiva Datatyper - Heltal 3
För att representera negativa tal använder man vanligen Tvåkomplementmetoden, EX: Binärt Decimalt Binärt Decimalt ….. ……

12 Primitiva Datatyper - Flyttal
Flyttal brukar delas upp i tre delar: Tecken (+/-) Exponent Mantissa EX: Talet -1.5 kan representeras som : 1|001|0101 Mantissa Tecken Exponent

13 Primitiva Datatyper - Boolean
Booleanska värden antar som bekant bara två tillstånd SANT eller FALSKT Därför kan de direkt representeras i en bit i minnet Smarta implementationer lägger samman flera booleanska värden i samma byte/ord

14 Primitiva Datatyper - Tecken
Tecken brukar i allmänhet representeras av heltal (7, 8 eller 16 bitar) Representationen av tecken är standardiserad på flera sätt: ASCII (American Standard Code for Information Interchange), Den absolut vanligaste, enligt standard enbart 7 bitar, men ofta 8 bitar för att representera specialtecken. EBCDIC (Extended Binary Coded Decimal Interchange Code) 8-bitar, inte så vanlig UNICODE (försöker representera alla världens alfabet) 16 bitar

15 Maskininstruktioner Kod i form av maskininstruktioner representeras i minnet (Von Neumann). Varje instruktion kan variera i storlek, och i antalet argument den tar. EX: NOP (no operation) är på en 8086/8088-processor, och tar inga argument EX2: ADD (addition) har flera argument dw mod reg /m

16 MIME MIME - Multipurpose Internet Mail Extensions
”MIME extends the format of Internet mail to allow non-US-ASCII textual messages, non-textual messages, multipart message bodies, and non-US-ASCII information in message headers.”

17 Ljudformat Kan ha förstörande eller icke-förstörande komprimering
T ex MP3, MIDI, WAV, AU Innebär ett antal diskreta stickprov, med viss upplösning - SAMPLING Innebär en digital approximering av ljudets analoga form

18 Data (kan vara komprimerad)
Bildformat Kan ha förstörande eller icke-förstörande komprimering T ex GIF, JPEG, TIF, BMP Brukar vanligen bestå av : Header Data (kan vara komprimerad)

19 Filmformat Kan ha förstörande eller icke-förstörande komprimering
T ex MPEG, AVI, QuickTime Beskriver oftast bara skillnaderna mellan två på varandra följande bilder.

20 MPEG Exempel

21 Komprimeringsformat Huffman-kodning LZW-kodning (Lempel, Ziv, Welch)
Run Length Encoding (RLE)

22 Komprimering - Huffman
Huffman kodning bygger på att inte alla tecken eller sekvenser förekommer lika ofta, därför behöver man inte representera alla tecken med t ex 8 bitar, utan de vanligaste kan representeras med färre bitar, och de mest ovanliga kan behöva fler. Vinsterna kan bli stora.

23 Huffman Exempel Okomprimerat : MISSING IN MISSISIPPI = 20 bytes (exkl. mellanslag) Frekvens tabell och tilldelning : M = 2 =>001 I = 7 => 01 S = 6 => 10 N = 2 => 110 G = 1 => 1110 P = 2 => 0001 Komprimerat : = 6,25 bytes (exkl mellanslag)

24 Komprimering - LZW Lempel-Ziv-Welch-algoritmen bygger på att samma sekvenser återkommer ofta i t ex rastrerade bilder eller i text (ordet the i engelskan t ex). Bygger upp ett lexicon med de vanligast förekommande sekvenserna.

25 LZW Exempel Okomprimerat : MISSING IN MISSISIPPI = 20 bytes (exkl. mellanslag) 0-255 vanlig ascii 256 : ISS 257 : IN N.B. Nu 12 eller 16 bitars representation (vi väljer 12 bitar=4096 komb). Komprimerat : M G M I P P I = 12 poster a 12 bit => 18 bytes (exkl mellanslag)

26 Komprimering - RLE Run Length encoding bygger på att i många datafiler (t ex bilder) är många närliggande pixlar av samma färg. Ex: Mönstret är en bild i svartvitt, det skulle istället kunna skrivas som 10x 0, 4x1, 10x0, vilket i datarepresentation blir 0A,00,04,01,0A,00, vilket är kortare än den ovanstående sekvensen.

27 Komprimerings Exempel Jämförelse
Huffman : + några tecken förekommer ofta, - Lika många av varje tecken LZW + återkommande kombinationer, t ex språk - om det är få upprepningar RLE + långa följder av samma tecken - Förändring av nästkommande tecken ofta

28 Sammanfattning Det finns ett antal sätt att representera information på, t ex format för bilder eller heltal. Mycket av data/information är redundant och kan således komprimeras med olika metoder beroende på typen av data

29 Den Digitala Logiska Nivån och Datarepresentation
Inledning Datarepresentation Den digitala logiska nivån Sammanfattning Övrigt

30 Den digitala logiska nivån
Inledning Grundläggande begrepp Kopplingen mellan grindar och boolesk algebra Grundläggande digitala logiska grindar Alternativa utgångspunkter Sammanfattning

31 Inledning Högnivåspråk, (t ex Pascal) Assemblyspråk
Tillämpningsprogram Högnivåspråk, (t ex Pascal) Assemblyspråk OperativSystem Maskin Instruktioner Mikro Instruktioner Digital Logik Elektroniska komponenter

32 Grundläggande begrepp
Processor Datarepresentation Input/Output

33 Grundläggande begrepp - Processorn 1
Grind - implementeringen av grundläggande logiska operationer Instruktion - t. ex. hämta informationen på minnesadress 1000 Exekvering - utförandet av instruktioner Adress - minnesadress, dvs en position i minnet Klocka - styr hur ofta CPU:n skall behandla nya instruktioner (”hur snabb datorn är”)

34 Grundläggande begrepp - Processorn 2
CPU - Central Processing Unit, den s k hjärnan, består av en ALU och en CU MPU - Micro Processor Unit, samma sak som en CPU ALU - Arithmetic Logic Unit, beräkningsenheten i hjärnan CU - Controll Unit, ser till att instruktionerna utförs i rätt ordning

35 Grundläggande begrepp - Processorn 3
Register - ett register lagrar ett ord (se nedan) som processorn kan arbeta på. Några typer av register är: status/flagg adress PC - Program Counter , eller programräknaren, håller reda på var i programmet exekveringen är. Ackumulator- är en speciell typ av register, som vanligen är anslutna till ALU:ns utmatning.

36 Grundläggande begrepp Processorn 4
Stack - på stacken läggs alla temporära variabler, och används ofta till att hantera avbrott och subrutiner (lägga upp PC:n på). Stackpekare - pekar ut toppen på stacken. IRQ - Interrupt ReQuest, eller avbrott i exekveringen, innebär att genom att låta vissa händelser trigga, kan vi ta hand om dessa händelser på en gång, och sedan återgå till det vi höll på med.

37 Grundläggande begrepp - Representation
Bit - minsta representerbara enheten, en s.k. IT-atom, kan anta värdena 0 och 1 Nibble - en grupp om 4 bit(ar) Byte - en grupp om 8 bit(ar) Ord (word) - en grupp om 8-64 bit(ar), datorberoende

38 Grundläggande begrepp - Input/Output (I/O) 1
ROM - Read Only Memory, dvs det går bara att läsa från det RAM - Random Access Memory, går att läsa och skriva till hur som helst PIO - Parallell Input/Output, är en krets (eller flera kretsar) som hanterar kommunikationen med flera perifera enheter, t ex hårddisk, tangentbord, skärm

39 Grundläggande begrepp - Input/Output (I/O) 2
Bussar - De kanaler som datorn kan använda för att komma åt minne och andra perifera enheter, som t ex hårddisk eller tangentbord. Några typer av bussar är: Data Adress Kontroll

40 Grundläggande digitala logiska grindar och boolesk algebra
De primitiva grindarna är : AND (och) in, 1 ut & NOT (icke) 1 in, 1 ut 1 OR (eller) 2 in, 1 ut >1 Sammansatta grindar är : NAND (icke-och) 2 in, 1 ut & NOR (icke-eller) 2 in, 1 ut >1 XOR (exklusive-eller) 2 in, 1 ut =1

41 Grundläggande digitala logiska grindar och boolesk algebra
Varje boolesk logisk operator (AND, OR, NOT) motsvaras av en grind. Grindar går att kombinera ihop, till mer avancerade operationer, t ex adderingsoperationer jämförelseoperationer etc.

42 Grind Exempel 1 - XOR använder sig av AND och NOT och OR
(a AND NOT b) OR (NOT a AND b)

43 Grind Exempel 2 - Nibble-jämförare
Testar om två nibbles (4 bit) är identiska Skall ske genom att använda grindarna: AND, NOT, OR, NAND, NOR och XOR Man behöver inte använda samtliga Tid för denna övning är 3 minuter

44 Grind Exempel 2 - Lösning
a0 =1 1 b0 a1 =1 1 & b1 & a2 =1 1 & b2 a3 =1 1 b3

45 Grind Exempel 3 - Grindar som kommer ihåg
Med hjälp av grindar kan man komma ihåg sekvenser av spänningsnivåer, eller snarare komma ihåg en bit.

46 Alternativa utgångspunkter
Kvant-datorer Trinära datorer Det finns ytterligare alternativ som inte tas upp på denna föreläsning pga att de i grunden bygger på de ovanståendes logik: DNA-datorer Nano-datorer Photonic -datorer

47 Kvant-datorer Arbetar med qubit (quantum bit), som befinner sig i en linjär superposition mellan 0 och 1. Tack vare superpositionen, görs fenomenet quantum parallellism möjligt, som tillåter expontentiellt många beräkningar simultant. Bygger på kvantmekanik.

48 Trinära datorer Arbetar med tre lägen : 0, 1, 2 eller om man vill Falskt, Kanske och Sant Arbetar med s k trit, som kombineras ihop till tryte (9 trit) och tribble (3 trit) Logiken väldigt rörig: se

49 Sammanfattning Grindar motsvarar logiska operationer
Man kan sätta samman grindar och få sammansatta operationer som t ex en Nibble-jämförare eller en minneskrets Det finns alternativa utgångspunkter, t ex kvantdatorer och trinära datorer.

50 Den Digitala Logiska Nivån och Datarepresentation
Inledning Datarepresentation Den digitala logiska nivån Sammanfattning Övrigt

51 Sammanfattning Grindar motsvarar logiska operationer
Man kan sätta samman grindar och få sammansatta operationer som t ex en Nibble-jämförare eller en minneskrets Det finns alternativa utgångspunkter, t ex kvantdatorer och trinära datorer. Det finns ett antal sätt att representera information på, t ex format för bilder eller heltal. Mycket av data/information är reduntant och kan således komprimeras

52 Den Digitala Logiska Nivån och Datarepresentation
Inledning Datarepresentation Den digitala logiska nivån Sammanfattning Övrigt

53 Övrigt Relevant Material
Frågor? Skicka dem gärna till Länkar finns på